本文介绍了一个基于本地Markdown文件的最小RAG(检索增强生成)问答系统实现。系统通过读取Hugo博客文章、去除front matter、切分文本,利用关键词检索相关片段,并组装Prompt让模型基于上下文回答。代码结构包括配置、模型、文档加载和检索问答模块。该方法不依赖向量数据库,逻辑透明,适合理解RAG基本流程,但存在关键词匹配敏感、无索引持久化等限制,后续将逐步优化。
现代稀疏神经检索模型如SPLADE++有效解决语义匹配问题,克服传统关键词检索的局限。文章分析了不同模型的优缺点,并强调在复杂研究中选择合适的稀疏神经检索方法。
作者使用 Hexo 和 Hugo 框架搭建博客,因静态博客搜索功能不足,决定构建搜索引擎,选择了 Tantivy,支持复杂查询和高亮显示,最终实现高效的关键词搜索和时间范围检索。
完成下面两步后,将自动完成登录并继续当前操作。